単一慣性センサとアンサンブル学習を活用した競泳中のターン区間推定

小林幹京; 大前佑斗; 酒井一樹; 秋月拓磨; 塩野谷明; 高橋弘毅

文献

J-GLOBAL ID：201902215610091157 整理番号：19A0394005

単一慣性センサとアンサンブル学習を活用した競泳中のターン区間推定

Estimation Method of Turn Section During Swimming by Using Ensemble Learning and Single Inertial Sensor

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A0394005&COPY=1") }}
このテーマを更に深掘りする（JDreamⅢへ） {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A0394005&from=J-GLOBAL&jstjournalNo=L0501A") }}

著者 (6件)： , , , , ,
資料名：
巻： 31 号： 1 ページ： 597-602 発行年： 2019年02月15日
JST資料番号： L0501A ISSN： 1347-7986 資料種別：逐次刊行物 (A)
記事区分：短報発行国：日本 (JPN) 言語：日本語 (JA)

我々は,単一慣性センサを活用した初級から中級競泳選手向けの競泳指導システム構築を目指している。このシステムの要件の1つに取得した競技中のセンサデータから泳動作(ストローク,ターン動作)を自動で推定するという課題が存在する。非アンサンブル学習によって泳動作の自動推定を試みた先行研究では,個人によって異なる動作パターンを除去しきれず,汎化能力が低いという課題があった。本論文では,各泳動作内での個人によらない共通のパターンを学習し,より精度の高い動作推定を実現させるため,アンサンブル学習の1つであるランダムフォレストを活用したターン区間の推定を行った。その結果,4泳法全てにおいて,従来の非アンサンブル学習の手法よりも高精度でターン区間を推定できることが示唆された。(著者抄録)

, , , , , , , , , , , ,
, , ,

人工知能

引用文献 (11件)：

文部科学省: 「マルチサポート事業(オリンピック夏季競技)」ターゲット競技の決定について,http://www.mext.go.jp/b_menu/houdou/25/04/1330534.htm [accessed Jan. 13, 2018]
大前佑斗, 昆慶久, 酒井一樹, 高橋弘毅, 秋月拓磨, 宮地力, 櫻井義久, 江崎修央, 中井一文: “データ駆動型アプローチによる競泳コーチング支援環境の構築,” スポーツ工学・ヒューマンダイナミクス 2015, A-14, 2015.
Y. Omae, Y. Kon, M. Kobayashi, K. Sakai, A. Shionoya, H. Takahashi, T. Akiduki, K. Nakai, N. Ezaki, Y. Sakurai, and C. Miyaji : “Swimming Style Classification Based on Ensemble Learning and Adaptive Feature Value by Using Inertial Measurement Unit,” J. of Advanced Computational Intelligence and Intelligent Informatics, Vol.21, No.4, pp. 616-631, 2017.
大前佑斗, 小林幹京, 酒井一樹, 塩野谷明, 高橋弘毅, 宮地力, 櫻井義久, 中井一文, 江崎修央, 秋月拓磨: “深層学習と慣性センサを活用した個別ストローク動作開始タイミングの推定手法,” 信学技報, Vol.117, No.238, PRMU2017-90, pp. 155-160, 2017.
U. Jensen, F. Prade, and B. M. Eskofier: “Classification of Kinematic Swimming Data with Emphasis on Resource Consumption,” IEEE Int. Conf. on Body Sensor Networks (BSN) , pp. 1-5, 2013.

, , , ,

前のページに戻る